Ressource technique · Incubation
Quand une couleur apprend à lire
Prompt engineering, créativité humaine et images générées par IA pour accompagner les articles sans les réduire à une illustration littérale.
Une image juste plutôt qu'une belle image
Il y a des projets qui commencent par une question simple. Comment représenter un article sans le résumer, sans l'illustrer trop littéralement, sans le réduire à une image décorative placée au-dessus d'un texte.
L'enjeu n'était pas de produire une belle image. Une belle image, aujourd'hui, une IA générative peut en produire des centaines. L'enjeu était plus difficile. Il fallait produire une image juste. Une image capable d'accompagner le contenu d'un article, de préparer le regard du lecteur, de traduire une atmosphère intellectuelle sans jamais enfermer le texte dans un symbole trop évident.
Nous voulions qu'une couleur puisse dire quelque chose du savoir. Qu'un fond bleu profond puisse préparer à une réflexion technologique. Qu'un corail dense puisse évoquer le partage, la transmission, la chaleur relationnelle. Qu'un violet cognitif puisse ouvrir un espace plus mental, plus réflexif, presque intérieur.
Le prompt comme architecture de décision
Le prompt utilisé repose sur une logique en cinq étapes. Cette structure évite de confier trop rapidement la décision esthétique au modèle. L'IA ne reçoit pas seulement une consigne vague. Elle reçoit un protocole.
Tu vas lire l'article fourni et produire une image abstraite.
1. Identifie les catégories dominantes du texte.
2. Évalue leur proportion relative.
3. Choisis une couleur maîtresse et une ou deux couleurs d'accent.
4. Compose une oeuvre abstraite douce, aérienne et non illustrative.
5. Vérifie que l'atmosphère finale reste cohérente avec le ton de l'article.
Contraintes :
- aucun texte dans l'image ;
- aucun symbole évident ;
- aucune forme géométrique nette ;
- aucune illustration littérale ;
- privilégier les dégradés fluides, les matières transparentes,
les nuages, les vagues et les éclats flous.| Étape | Fonction dans le prompt | Rôle technique | Effet attendu sur l'image |
|---|---|---|---|
| 1 | Lire l'article et identifier les catégories dominantes | Analyse sémantique et classification | Éviter une image générique |
| 2 | Choisir une couleur maîtresse et des accents | Mappage entre concepts et palette | Créer une hiérarchie chromatique |
| 3 | Définir un style abstrait, doux et aérien | Réduction de l'espace des possibles | Stabiliser la cohérence plastique |
| 4 | Vérifier l'atmosphère générale | Contrôle de cohérence | Éviter la dissonance texte-image |
| 5 | Interdire texte, symbole et surcharge | Contraintes négatives | Maintenir une abstraction non illustrative |
Le prompt organise une chaîne de décision. Il demande au modèle de ne pas commencer par produire, mais par interpréter. La génération d'image n'est pas l'origine du processus. Elle en est la conséquence.
Une grammaire chromatique
La première couche visible de cette méthode est le tableau des couleurs. Chaque grande catégorie conceptuelle est associée à une couleur maîtresse, une couleur profonde et une couleur d'accent.
| Catégorie | Couleur maîtresse | Couleur profonde | Couleur d'accent |
|---|---|---|---|
| Technologie | Bleu électrique profond #155EEF | Bleu nuit algorithmique #0F1C3F | Cuivre incandescent #FF8A3D |
| Partage | Corail vermillon #F85C3A | Brun rouge relationnel #5A2118 | Bleu lagon dense #0F8B9D |
| Culture du monde | Safran impérial #E79A00 | Brun épices #4A2E12 | Bleu lapis vivant #2E63D6 |
| Langue | Turquoise intense #00A7A0 | Pétrole sémiotique #0A3B45 | Rose grenadine #FF5F7A |
| Évolution | Émeraude active #12A150 | Vert pin de transition #163B27 | Magenta d'inflexion #C13E86 |
| Intelligence | Violet royal cognitif #6D3DF5 | Indigo mental #24124D | Or de lucidité #E0A100 |
Ce tableau ne doit pas être compris comme un simple nuancier. Il fonctionne comme une grammaire. La couleur maîtresse donne l'atmosphère principale. La couleur profonde donne la densité, l'arrière-plan émotionnel, parfois la gravité. La couleur d'accent introduit une tension, une ouverture ou une vibration secondaire.
De la proportion conceptuelle à la composition visuelle
Le prompt demande ensuite d'identifier la proportion de chaque catégorie dans l'article. Cette étape permet de passer d'une simple association couleur-thème à une véritable hiérarchie visuelle.
| Exemple d'analyse | Dominante conceptuelle | Traduction chromatique | Effet recherché |
|---|---|---|---|
| IA dans les politiques éducatives | Technologie 50 %, Intelligence 30 %, Partage 20 % | Bleu profond dominant, violet secondaire, touches corail | Sérieux institutionnel, réflexion critique, ouverture humaine |
| Transmission des savoirs | Partage 45 %, Langue 30 %, Intelligence 25 % | Corail dominant, turquoise en circulation, touches or ou violet | Chaleur, médiation, clarté intellectuelle |
| Cultures éducatives internationales | Culture du monde 50 %, Langue 25 %, Partage 25 % | Safran dominant, turquoise et corail en accent | Épaisseur culturelle, dialogue, hospitalité |
| Transformations pédagogiques | Évolution 45 %, Technologie 35 %, Intelligence 20 % | Émeraude dominante, bleu profond secondaire, or ou magenta | Mouvement, transition, modernité critique |
Cette logique de pondération est l'un des éléments les plus importants du prompt. Une image ne doit pas seulement dire “technologie”. Elle peut dire “technologie traversée par une préoccupation de partage”. Elle peut dire “intelligence dans un contexte de mutation”.
Le prompt annoté
Le prompt peut être analysé comme une succession de modules. Chaque module agit sur une dimension précise du comportement du modèle.
| Module | Formulation utilisée | Intention technique | Risque évité |
|---|---|---|---|
| Analyse préalable | Lire le texte et identifier les proportions | Forcer une compréhension avant génération | Image décorative sans lien avec l'article |
| Palette contrainte | Choisir la couleur maîtresse et les accents | Stabiliser l'identité visuelle | Résultat incohérent d'un article à l'autre |
| Style pictural | Œuvre abstraite douce, macro, impressionnisme abstrait | Orienter texture, profondeur et matière | Image trop numérique ou trop froide |
| Formes attendues | Dégradés fluides, transparences, vagues, éclats flous | Donner un vocabulaire visuel au modèle | Composition vide ou aléatoire |
| Contraintes négatives | Aucun texte, aucun symbole, pas de forme nette | Empêcher la littéralité | Infographie, logo ou pictogramme |
| Contrôle final | Assurer l'atmosphère générale de l'article | Vérifier la cohérence sensible | Dissonance entre texte et sensation visuelle |
Chaque ligne réduit une forme d'incertitude. Chaque consigne empêche un type d'échec. Les contraintes négatives sont particulièrement importantes, car les modèles ont souvent tendance à produire des symboles immédiatement reconnaissables.
Un travail humain avant la machine
La méthode ne commence pas dans le prompt. Elle commence avant. Un travail humain d'annotation a été mené à partir de 83 œuvres d'art qui ont servi de corpus d'inspiration. Ces œuvres ont été décrites avec des termes volontairement non spécialisés.
On a cherché à nommer des impressions simples. Une couleur qui respire. Une matière qui flotte. Un contour qui se dissout. Une intensité qui reste douce. Un mouvement de pinceau qui donne l'impression d'une émotion sans représenter une scène.
Pour guider une IA générative, il faut parfois traduire l'expertise esthétique dans une langue suffisamment claire pour être opérationnelle. Un prompt trop vague laisse le modèle décider à la place de l'humain. Un prompt trop technique peut produire une image froide. L'enjeu est donc de créer une langue intermédiaire.
Les itérations comme méthode créative
La première version du prompt n'a pas immédiatement produit les résultats attendus. Certaines images étaient trop décoratives. D'autres étaient trop éloignées de l'atmosphère des articles. Certaines paraissaient belles, mais sans nécessité.
À chaque génération, le regard humain revenait. Est-ce que la couleur dominante correspond réellement au contenu ? Est-ce que l'accent secondaire apporte une nuance ou perturbe la lecture ? Est-ce que la texture évoque une matière sensible ou un simple fond numérique ? Est-ce que l'image guide le lecteur sans l'enfermer ?
Le prompt devait trouver une zone intermédiaire : une cohérence sans répétition, une identité sans uniformité, une méthode sans automatisme.
Ce que le prompt dit de la créativité avec l'IA
Ce projet révèle une chose importante. Le prompt engineering n'est pas seulement une compétence technique. C'est aussi une pratique de formulation de l'intention.
Pour bien prompter, il faut savoir ce que l'on cherche. Il faut savoir décrire une attente, mais aussi une limite. Il faut savoir dire ce qui doit apparaître et ce qui doit disparaître. Il faut savoir distinguer une image spectaculaire d'une image juste.
L'IA générative ne supprime pas forcément le travail créatif. Elle peut aussi le déplacer. Elle oblige à expliciter ce qui était parfois implicite : pourquoi cette couleur, pourquoi cette texture, pourquoi ce flou, pourquoi cette respiration, pourquoi refuser les symboles.
Une méthode imparfaite, donc améliorable
Il serait dangereux de présenter cette méthode comme objective. Elle ne l'est pas. Associer le violet à l'intelligence, le corail au partage ou le safran à la culture du monde reste un choix humain, situé, discutable.
Cette subjectivité ne rend pas la méthode faible. Elle rend simplement nécessaire sa documentation. Une méthode créative peut être subjective et rigoureuse lorsqu'elle explicite ses choix, ses critères et ses limites.
Conclusion
Une couleur ne lit pas vraiment. Une IA ne ressent pas vraiment. Une image générée ne connaît pas l'article qu'elle accompagne comme un lecteur humain pourrait le connaître. Mais un dispositif bien conçu peut organiser une rencontre entre un texte, une palette, une intention et une machine.
Le prompt ne remplace pas le regard. Il l'oblige à devenir plus précis. Il ne remplace pas l'émotion. Il demande de mieux la nommer. Il ne remplace pas la décision artistique. Il rend cette décision plus visible.
Au fond, ce travail raconte une chose simple. L'IA générative ne devient intéressante que lorsqu'elle nous oblige à mieux formuler ce que nous voulons transmettre. Ici, nous ne demandons pas seulement à une machine de produire une image. Nous lui demandons de respecter une lecture, une atmosphère et une hiérarchie sensible.